都市部の気流と汚染物質拡散をデータ駆動でエンドツーエンドに予測する

要旨: 気候変動と都市人口の急速な成長は都市内の環境ストレスを増大させており、都市大気フローの挙動を公衆衛生、エネルギー利用、全体的な居住性にとって重要な要因にしている。 本研究は、意思決定者を支援するため、迅速かつ正確な都市汚染物質拡散モデルの開発を目指し、適時かつ費用対効果の高い方法で緩和措置を実施できるようにする。 この目標を達成するために、エンドツーエンドのデータ駆動型アプローチを提案し、スキミング流れ状態における街路峡谷の気流と汚染物質の拡散をモデル化・予測します。 大規模渦シミュレーション（LES）から得られた時間分解のスナップショットの系列がデータベースとして機能します。 提案するフレームワークは四つの基本的なステップに基づいています。 第一に、データベースのスペクトル固有直交分解（SPOD）によって縮約基底を得ます。 時系列スナップショットデータをSPODモードへ射影する（時間領域アプローチ）ことにより、ダイナミクスの時間係数を得る。 第二に、時系列係数の非線形圧縮をオートエンコーダで実行し、問題の次元をさらに削減します。 第三に、潜在空間で長短期記憶（LSTM）ネットワークを用いて縮約オーダーモデル（ROM）を学習します。 最後に、予測された速度場から、両方の場をマッピングする畳み込みニューラルネットワークを用いて汚染物質の拡散を推定します。 その結果は、長時間の時間スケールにおいて、瞬時の場だけでなく統計的に定常な場の予測にも有効であることを示しています。